jak najít kumulativní frekvenci? w / 11 příklady!

Jak najdete kumulativní frekvenci?

A jak popsat tvar, šíření a centra distribuce?

to je to, co dnes zjistíme!

pojďme!

jaký je rozdíl mezi následujícími grafy?,

• Kumulativní Frekvence
• Kumulativní Relativní Četnost

kumulativní četnost graf zobrazuje celkový počet hodnot, které spadají pod horní hranice každé proměnné. To vše znamená, že představuje běh-celkový počet frekvencí.

nyní jsou kumulativní grafy relativní frekvence, nazývané také Ogive grafy (vyslovované „oh-jive“), pro percentily a ukazují, jaké procento dat je pod určitou hodnotou. Jinými slovy, Ogive graf zobrazuje kumulativní procenta zleva doprava.,

Pracoval Například

řekněme například, použijte následující datové sady: { 1, 1, 1, 1, 1, 3, 3, 3, 3, 3, 5, 5, 5, 5, 5, 5, 7, 11, 11, 11, 11, 11, 11, 11, 11 }

za Prvé, musíme vytvořit tabulku frekvencí, pak musíme najít kumulativní frekvence, stejně jako naše kumulativní relativní četnosti (procenta).

Next, nakreslíme graf, kde osa x představuje počítá, a osa y představuje kumulativní relativní četnost jak poznamenal Statistics Canada.,naše bodů koordinaci kumulativní relativní četnost hodnoty na levý koncový bod pro každý interval, a pak pospojovat s rovné čáry, jak je vidět níže:

Co si všimnete, o Ogive grafu je, že pokud rozdělení je vychýlené doleva, pak hodnoty frekvence jsou méně na začátku a pak rychle zvyšovat, vzhledem k tomu, že právě asymetrické rozložení vytváří kumulativní relativní četnost graf, kde můžeme vidět rychlý nárůst hodnoty a pak zúžení nebo zúžení frekvencí.,

Jak jsou kumulativní relativní četnosti, grafů užitečné?

ilustrují percentily a označují tvar distribuce.

Percentily

Pokud si vzpomínáte, souhrn opatření, které rozděluje hodnoceném souboru dat (tj. dat, která se ukládají ve vzestupném nebo sestupném pořadí) na 100 stejných částí, se nazývá percentil. A percentily ukazují procento pozorování hodnota je vyšší.,

například si vzpomeňte na pole a plot whisker, kde zobrazujeme první kvartil, střední a třetí kvartily?

1. kvartil nám říká, že 25% dat je pod touto hodnotou, takže představuje 25.percentil. Medián někdy označovaný jako 2. kvartil nám říká, že 50% dat je pod touto hodnotou a představuje 50.percentil. A quartile 3 nám říká, že 75% dat klesne pod tuto hodnotu, což představuje 75. percentil.,

A jak uvidíme ve videu níže, můžeme zjistit, odhadnout a interpretovat percentily z dataset při Ogive grafu.

tvar distribuce

Věděli jste, že strmost čáry v kumulativním relativním frekvenčním grafu nám pomáhá určit tvar distribuce?

A jakmile jsme určili tvar rozdělení, můžeme si tyto informace a převést, nebo transformovat, pozorování pomocí standardní odchylky vidět, jak daleko konkrétní připomínky jsou od průměru., To se nazývá standardizace a nejběžnější formou standardizace ve statistice je standardní hodnota, která se často nazývá z-hodnota nebo z-skóre.

Pokud necháme x představují pozorované hodnoty pro údaje, pak najdeme standardní hodnota odečtením od této pozorované hodnoty a vydělením rozdílu pomocí směrodatné odchylky.,

díky standardizaci datového souboru, jsme, v podstatě eliminuje všechny jednotky měření; a tak, což nám umožňuje porovnávat jeden údaj do jiného, i když nemají stejné parametry (např. průměr nebo směrodatná odchylka). Navíc nám dává pocit, jak pravděpodobná nebo nepravděpodobná je konkrétní hodnota v datech.

jak nám standardizace pomáhá určit tvar, střed a šíření distribuce?

no, předpokládejme, že k pozorování přidáme nebo odečteme číslo., To bude posun středu a polohy (průměr, medián, modus, kvartily, kvantily) rozdělení, že částka, ale tvar a šíření distribuce (rozpětí, IQR, a směrodatná odchylka) se nezmění.

předpokládejme však, že vynásobíme číslo na pozorování. V takovém případě se střed a umístění a šíření (střední, střední, režim, kvartily, percentily, rozsah, IQR a směrodatná odchylka) změní v distribuci a pouze tvar zůstane nezměněn.,

Pracoval Například

Všimněte si, že standardní odchylka, rozpětí, IQR, všechno zůstane stejné, včetně tvaru rozdělení, ale všechno ostatní se změnit o faktor 10.

a teď si vezmeme stejný datový soubor a uvidíme, co by se stalo se středem, šířením a tvarem distribuce, pokud vynásobíme každé pozorování hodnotou 10.,

Tento čas, můžeme vidět, že všechny souhrnné statistiky změnil, a jediná věc, která zůstala stejná, byl tvar rozdělení.

křivky hustoty

a to nás vede pěkně k učení o křivkách hustoty.

křivka hustoty je vždy na vodorovné ose nebo nad ní a má oblast pod křivkou, která se rovná 1.,

kromě toho, že křivka hustoty je medián je „rovné plochy-bod“ s polovinou plochy na obou stranách, a průměrné hustoty křivka je balancing point (Myslím: těžiště).

Ozbrojené s touto znalostí, budeme schopni rychle určit, kde se průměr a medián, jsou v distribuci a připravit pro zjištění pravděpodobnosti!,

Toto video je zaseknutý zabalené se spoustou cenných informací o tom, jak jsme se popsat umístění centra a šíření, stejně jako tvar rozdělení, jak můžeme transformovat data, najít percentily uvedeny kumulativní relativní četnost křivky, a začít naše zkoumání křivky hustoty.

Kumulativní Četnost – Lekce & Příklady (Video)

1 hod 03 min

• Úvod do Video: Popsat Místa v Rozdělení
• 00:00:32 – Co je percentil a jak je najít?, (Příklady #1-2)
• Exkluzivní Obsah Pouze pro Členy

• 00:05:57 – Přehled Kumulativní Relativní Četnost (Ogive) Grafy
• 00:08:01 – Vytvořit Ogive Graf a interpretovat své výsledky (Příklad č. 3)
• 00:19:21 – Pochopení Kumulativní Relativní Četnost a Asymetrické Distribuce
• 00:21:24 – Jak můžeme standardizovat distribucí?, Nalezení standardní hodnoty (z-skóre) pro data
• 00:24:44 – Najděte z-skóre, nebo pomocí z-skóre najít pozorované hodnoty (Příklady #4-6)
• 00:36:42 – Jak můžeme transformovat datové sady a co to dělá do centra, šíření a tvar?
• 00: 40: 14-co je křivka hustoty? Jaké jsou vlastnosti křivky hustoty?, určit umístění průměr, medián a mode (Příklady #7-10)
• 00:48:34 – Vzhledem k tomu, vzorek dat najít stemplot, percentily, z-skóre, souhrnné statistiky, a transformace dat (Příklad #11)
• Praxe Problémy s Krok-za-Krokem Řešení
• Testy Kapitola s Video Řešení